南京大学副教授姚鹏晖:嘈杂量子通信的优势与复杂性

简介: 南京大学副教授姚鹏晖:嘈杂量子通信的优势与复杂性

我今天的分享是关于我过去几年在嘈杂量子通信方面的工作。我的研究方向主要是量子计算复杂性,通俗来说就包含两个问题:一是量子计算机能做什么,二是量子计算机的能力边界。


首先大家比较关心的是量子计算机相比于经典计算机的优势:

算法方面,量子计算机在时间复杂度方面具有优势;

安全方面,例如量子密钥分发,国内有很大的优势;

通信方面的优势。


量子计算复杂性,通俗地讲就是量子算机不能做什么。大家可能会有一个疑问:如果不做计算理论,为什么要关心量子算机不能做什么?

理论意义的确是一方面,2005 年《Science》的一篇文章曾阐明:人类科学目前面临 125 个重大科学问题,涵盖医学、生物、宇宙等多个领域,其中有一个问题就是「计算的边界在哪里」,即什么能计算,什么不能计算。在量子计算领域我们想知道的就是量子计算机的计算边界。

另一方面是出于更现实的考量,即量子计算机不能做的事情。我们可以构造一个量子计算机不能计算的任务,那么这个问题就会很安全。从密码学的角度讲,我们可以设计一个加密协议和加密方案,让量子计算无法破译。过去六七年,密码学界已兴起一个新的研究方向——后量子密码学,专门研究量子计算机无法破译的加密算法。

几年前加州理工的 John Preskill 教授提出了 NISQ,称量子计算机已经进入嘈杂中等规模量子计算机阶段,量子计算机未来比特数会越来越多,但是量子噪音在很长一段时间内是无法克服的,并且比特数越多,噪音可能就越大。


那么,有噪音的情况下,量子计算机的优势是否还可以保持?

这个问题,很早就有人开始研究,在 2000 年之前就有量子纠错码和量子容错计算,他们针对量子电路实现了一些抗噪音的目标,并在有噪音的情况下保持了量子计算机的优势。

在通信模型上,是否还能保持这样的优势?我们知道现在小规模量子计算机越来越成熟,物理学家设想把这些计算机通过网络连接在一起,利用通信技术形成一个网络。在网络通信的情况下,一方面我们要保持计算方面的优势,另一方面还要考虑通信方面的优势。交换量子比特是否比交换经典比特更好?

1979 年,姚期智教授在经典计算中就提出一个计算模型叫通信复杂性模型,其中对于计算双方(比如两个人),他们要共同计算一个函数,那么他们每个人可能只拿到一部分的输入,所以他们需要通过通信来交换比特。为了计算函数,他们至少需要交换的比特数就被称为叫通信复杂性。大概在 20 世纪 90 年代左右,姚期智教授又提出:如果允许交换量子比特的话,是否可以比交换经典比特?


后来人们又发现了一系列的问题,比如量子指纹、隐藏匹配、量子神经网络等问题,量子计算交换量子比特可以比交换经典比特节约很多。因此,在通信复杂性上,量子通信目前是无条件地具有计算优势,但这些优势也是基于通信噪音的。在有噪音的情况下,需要交换更多的量子比特来保持原来的优势。

那么,是否存在针对交互量子通信的高效纠错码?量子信息里已经有非常成熟的量子纠错码,但传统的量子纠错码仅仅适用于单向通信,在有噪音的情况下多发一些比特抵消掉这些噪音。


然而在交互通信的情况下,传统的纠错码是不适用的,因为前后的通信是有关联的,如果前面通信出错没有及时纠正的话,后面的通信就是没有意义的。

另外,在交互通信中,由于量子信息是不可克隆的,而且也不能读取,因为读取测量后会发生量子坍缩,继而让发现错误和纠错都变得很困难。


大概从 16 年开始,我和我的博士后导师以及其他几位研究者针对这种交互通信,应对当噪音不高情况的一种非常高效的量子抗噪编码,编码的时间复杂度是 n^2,码率几乎可以达到理论最优。

量子网络中的另一个模型叫量子交互式证明系统,这个相对来说是更加抽象一些的模型。它大概的原理是:我现在有两个机器,一个是计算能力无穷大但不可靠的计算机,另一个是你手上计算能力不行但可靠的经典计算机,现在你可以通过跟计算能力非常强大但不可靠的机器通过交互来提升自己的计算能力。这个其实是计算复杂性过去 20 多年非常核心的一个研究领域。研究者们还进一步设想如果把手上的机器从经典计算机换成量子计算机,交互式证明系统的计算能力是不是可以进一步提升。

大概在 2020 年,这个领域有一个非常大的突破,就是证明当有很多台「不可靠的机器」时,它们之间不能互相通信,但如果你有一台量子计算机的话,通过与这些不可靠机器进行交互,计算能力可以大大提升,甚至完成一些不可计算的函数,比如停机问题。这个其实是非常反直觉的,因为经典计算机的计算能力再强也不可能解决停机问题。

在安全方面,如果要把计算委托给两个机器去计算,但是这两个机器不一定可靠,你又怎么能委托给它们计算呢?这里就有两个目标:要提升计算能力,还要保证计算是安全可靠的。这方面在 18 年也有一个非常大的突破,发现经典计算机通过与不可靠的量子计算机的交互,也可以让经典计算机也实现量子计算机的能力。


上述优势都是基于整个通信模型没有噪音的基础上。如果一个交互证明系统有噪音怎么办?如果是单向通信,可以应用前面所说的纠错方法解决。

机器之间虽然不可以交换信息,但是它们可以共享一些量子纠缠态,如果共享的量纠缠存在一些噪音怎么办?比如它们共享带噪音的 EPR 态,计算能力是否会受到影响?
我们的工作考虑了一个非常简单的情形,即两台机器共享任意多带噪音的 EPR 态。

当噪音为 0(不带噪音)的情况下,前面别人的工作已经证明了这个系统是不可判定的,也就是说它的计算能力是等在于停机问题,你可以做一些不可判定的问题。


如果在像共享的 EPR 态带噪音的情况下,它的计算能力是否还是等价于停机问题,也就是说它是不是还是不可判定的,换句话说,这个模型是否对于噪音是鲁棒的。

去年我和我的学生一起证明了一件事情,如果它共享 EPR 态也是带有噪音的话,那么这个系统就变成可判定的,计算能力下降了,因此量子交互式证明系统的策略是对噪音不鲁棒。 最后我用一点时间介绍一下我的研究团队。我们团队的研究方向主要是集中于量子算法和量子通信协议,包括量子分布式算法、量子信息论、量子信息压缩与抗噪编码。


相关文章
|
10月前
|
缓存 自然语言处理 API
油管 item_get_video - 视频详情接口对接全攻略:从入门到精通
本文详解YouTube Data API v3的videos.list接口(item_get_video),通过视频ID获取标题、播放量、互动数据、创作者信息等全量字段,支持批量查询与多语言返回。涵盖接口功能、认证方式、配额规则、Python实操代码、调试排错及生产级优化策略,适用于内容聚合、舆情监测、版权保护等场景,兼顾合规性与企业级稳定性需求。
|
3月前
|
弹性计算 缓存 运维
阿里云ECS磁盘空间满了处理教程:从诊断到扩容的一线经验
ECS 实例突然写入失败、网站报 503 或数据库连接不上,运维群里最常跳出的截图就是 df -h 里那行触目惊心的 Use% 100%。阿里云的云盘扩容不算复杂,但真正让业务停摆的,往往不是扩容本身有多难,而是事前没做分层监控、事后清理时又不小心踩了 inode 耗尽或文件句柄占用的坑。这篇教程不会把 100 篇文档重复一遍,而是直接聚焦三个关键动作:诊断真实占用源、安全清理大文件,以及在线扩容到文件系统生效的全链路。
550 1
|
3月前
|
人工智能 JSON 文字识别
金融AI技能库:104个开源Skill即插即用
零API费用的金融AI技能库:104个场景纯Python实现,毫秒级响应 当金融AI遇上"账单焦虑" 金融行业的AI落地,存在一个被长期忽视的悖论:业务方要的是"即时可用",技术方给的是"先接API再说"。 一个发票查验场景,接入第三方OCR服务,单次调用0.3元,日均10万笔,月账单9万。一个财报分析需求,调用大模型API,单次Token消耗折合0.8元,季报期间批量处理500份,
|
3月前
|
人工智能 自然语言处理 监控
Synerow AI Agent架构解析:意图识别、工具调用与工单闭环
企业级客服 Agent 的设计核心不在于大模型本身的推理能力,而在于如何将模型嵌入一套可解释、可编排、可审计的业务架构。本文以合力亿捷 Synerow AI Agent 为例,从意图识别引擎、工具调用机制和工单闭环系统三个层面,解析一个生产级客服 Agent 的技术设计。
406 0
|
4月前
|
存储 人工智能 自然语言处理
数字化转型赋能GEO(生成式引擎优化)全链路实践指南
本文系统阐述生成式引擎优化(GEO)与数字化转型的深度协同:以GEO五层架构为骨架、四标融合为治理准绳,从数据、流程、组织、技术四维推动企业构建AI可信数字资产,实现从“被搜索”到“被引用”的价值跃迁。(239字)
|
5月前
|
存储 运维 数据可视化
2026年企业数据分析系统建设费用预算清单:详细成本解析
本文系统梳理企业数据分析系统建设的全成本构成,涵盖基础设施、软件许可、实施开发、运维支持及人员培训五大模块,并以瓴羊Quick BI为例详解其弹性计费模式与预算控制策略,助力企业制定可执行、可优化的2026年度数据分析预算清单。(239字)
|
4月前
|
JavaScript Windows
Node.js v0.12.2 安装教程(Windows x86版 node-v0.12.2-x86.msi 详细步骤)
本教程详解Node.js v0.12.2(32位)Windows安装全流程:含管理员运行、协议确认、路径设置、组件默认安装及cmd验证(node -v / npm -v),步骤清晰,零基础可操作。(238字)
|
8月前
|
人工智能 自然语言处理 监控
电商行业有哪些agent应用(2026年2月)
2026年电商竞争已转向“智能化效率”。阿里云“铁三角”——Quick Service(超级客服)、Quick BI“智能小Q”(决策中台)、Dataphin(数据底座),构建AI Agent闭环:前端懂业务、中台秒决策、底层治数据,实现服务、经营与治理的全链路智能协同。(239字)
|
7月前
|
人工智能 自然语言处理 运维
企业做数据治理要多少钱?(2026年3月)
2026年,数据治理已成企业合规生存与资产增值的战略刚需。本文解析真实成本结构(显性+隐性),按企业规模分层给出预算参考(中小10万起,中大型50–200万),并重点推荐瓴羊Dataphin:AI增强、工程化封装、灵活部署,助企业控本增效、量化ROI。(239字)
|
8月前
|
人工智能 移动开发 安全
那个会自己写测试用例的AI,今天把我逼到了墙角
一场用例评审会,测试工程师的17条用例 vs AI生成的43条——覆盖更全、维度更广、耗时仅43秒。震撼之余,他发现AI无经验盲区,而人有判断力与历史洞察。二者不是替代,而是互补:AI拓广度,人守深度。被逼到墙角,他选择翻越。